機器學習在進行模型訓練時，若發生「過度擬合(overfitting)」，以下描述何者正確？
A增加模型的參數可以避免過度擬合
B過度擬合就是過度精確地匹配特定資料集，以至於無法適應其他資料正確答案
C訓練迭代次數過多且訓練範例過多會造成過度擬合
D訓練資料集若與驗證資料集過於重疊，則易造成過度擬合
答案與詳解
逐選項解析
A增加模型的參數可以避免過度擬合✕ 錯誤
增加模型參數會提高模型複雜度，使模型更容易記住訓練資料中的雜訊，反而會加劇過度擬合現象。
B過度擬合就是過度精確地匹配特定資料集，以至於無法適應其他資料✓ 正確
過度擬合的本質即為模型過度貼合特定的訓練資料集（包含雜訊與極端值），導致喪失泛化能力，無法有效預測或適應未見過的新資料。
C訓練迭代次數過多且訓練範例過多會造成過度擬合✕ 錯誤
D訓練資料集若與驗證資料集過於重疊，則易造成過度擬合✕ 錯誤
立即註冊,看完整詳解
這題的完整詳解,註冊就能看 · 每天 2 題免費
- 完整逐選項解析
- 秒殺解題技巧與破題關鍵
- 關鍵知識表整理
- 陷阱與易錯提醒
- 同考點歷屆題庫連續刷題與錯題本
立即註冊觀看完整詳解 已有帳號?登入
